NumPy删除非零和数组行及同步处理关联数组问题排查

你的代码存在两个核心问题，直接导致运行结果不符合预期：

• 每次删除操作都基于原始数组执行，没有基于上一次删除后的结果迭代。循环中每次给arr_1、arr_2赋值时，传入的都是未修改过的原始arr1、arr2，相当于每一轮循环都只在原始数组上删除当前i对应的行，之前的删除结果会被完全覆盖丢弃；同时如果真的基于修改后的数组循环删除，随着数组长度动态变化，用原始数组长度做循环范围还会出现索引越界、行位置错位的问题。
• 手写双层循环逐元素累加计算行和的方式效率极低，且直接对float32类型的累加结果做!=0的精确判断，会触发浮点数精度问题，很容易出现漏判、误判行的情况。

numpy提供了内置的向量化行求和方法，不需要手写双层循环，一次性就能完成所有行的和计算，再通过布尔掩码同步过滤两个关联数组即可，既不会出现索引错位，运行效率也远高于手写循环：

import numpy as np

# 沿行维度计算arr1所有行的和，axis=1指定按行聚合
row_sum = arr1.sum(axis=1)
# 浮点数判断是否为0需要设置容差，规避浮点计算误差导致的误判，1e-6可根据实际业务精度调整
keep_row_mask = np.abs(row_sum) < 1e-6
# 如需记录被删除的非零和行索引，执行下面这行代码即可
deleted_row_index = np.where(~keep_row_mask)[0]

# 用同一个掩码同步过滤两个数组，直接布尔索引的效率远高于反复调用np.delete
arr_1 = arr1[keep_row_mask]
arr_2 = arr2[keep_row_mask]

提示：不建议在循环中反复调用np.delete，每调用一次该方法就会生成一次全量数组拷贝，数据量较大时性能损耗非常明显；且循环删除过程中数组索引会动态变化，非常容易出现行错位的问题。

内容的提问来源于stack exchange，提问作者James Arten